区间删失 Transformer Hawkes：利用社会系统反应检测信息操作
社会与信息网络
2023-02-27 v2
摘要
社交媒体正日益被国家支持的行动者武器化，以引发反应、推送叙事并左右公众舆论。这些被称为信息操作（IO）。IO 的隐蔽性使其检测困难。由于用户与内容移除以及隐私要求导致的数据缺失进一步放大了这一问题。本研究提出假设：信息操作试图在目标社会系统中引发的那些反应本身，可用于检测它们。我们提出一种区间删失 Transformer Hawkes（IC-TH）架构以及一种新颖的数据编码方案，以同时考虑观测数据与缺失数据。我们推导了一个新的对数似然函数，并将其与对比学习过程一同部署。我们在三个真实世界 Twitter 数据集与两个学习任务上展示了 IC-TH 的性能：未来热度预测与条目类别预测。后者尤为关键。仅利用转推的时间与模式，我们便能预测 YouTube 视频的类别、猜测新闻发布者是否声誉良好或有争议，且最重要的是识别国家支持的 IO 代理账号。额外的定性调查揭示，自动发现的俄方支持代理集群似乎协调其行为，同时激活以推送特定叙事。
引用
@article{arxiv.2211.14114,
title = {Interval-censored Transformer Hawkes: Detecting Information Operations using the Reaction of Social Systems},
author = {Quyu Kong and Pio Calderon and Rohit Ram and Olga Boichak and Marian-Andrei Rizoiu},
journal= {arXiv preprint arXiv:2211.14114},
year = {2023}
}